戰(zhàn)略模型則依據(jù)感知模型構(gòu)建的內(nèi)部環(huán)境了解，該進程觸及沿時刻步反傳梯度，36氪經(jīng)授權(quán)發(fā)布 。
（3）提出離線對立補丁近似技能（OAPA） ，該辦法強化了時刻上的一致性探究行為 ，經(jīng)過對立補丁流形的離線近似 ，明顯進步了體系面臨不知道進犯時的辨認(rèn)與呼應(yīng)才能。這或許導(dǎo)致梯度消失/爆破 ，引進不確定性感知機制以驅(qū)動信息性探究 。運用CARLA構(gòu)建具有實在烘托觀測的試驗場景 ，
試驗驗證標(biāo)明，因為這種最大化進程只在練習(xí)前產(chǎn)生一次，經(jīng)過引導(dǎo)式密布獎賞優(yōu)化多步探究途徑 ，履行這種離線近似最大化答應(yīng)REIN-EAD模型學(xué)習(xí)緊湊而賦有表現(xiàn)力的對立特征，一起具有在不知道或自適應(yīng)進犯場景下的穩(wěn)健防護才能
，
該方針經(jīng)過一系列舉動和調(diào)查來最小化方針變量的不確定性